Skip to content
Back/Harness Engineering

Agent Command Center — 从逐个监控到事件与决策 Feed

View in Graph
Updated 2026-11-09
2 min read
355 words

Agent Command Center — 从逐个监控到事件与决策 Feed

What it is

当并行 agent 数量超过个位数后,人逐个查看会话状态的监控方式可能失效。可扩展的人机界面是一个事件与决策 feed:它回答四件事,发生了什么、哪里卡住了、哪些事需要人做决定、接下来值得看什么。执行层面的监控(甘特图、设备占用率)降级为按需下钻的诊断视图,而不是默认入口。

Why it matters

一个引用材料中的观察者描述:从单个 chat agent 发展到 tmux 里并行盯 6 个 agent,"that's about the limit of my brain"。再多 agent 不是靠更好的 UI 逐个点击能解决的。Agent 数量要上一个量级,人机界面必须从"看每个 agent"变成"看事件流",否则人会变成监控瓶颈。

Key points

  • 监控不等于管理。状态变绿、设备忙、自动 merge,不直接等于交付可用。Feed 的设计目标是把人的注意力引导到"只有人能帮忙"的点上,而不是替代验证。
  • Feed 面向人,甘特图面向诊断。Feed 是默认入口;时间轴面板用于需要时追查具体执行和资源占用。
  • 调度与执行分离是前提。PM 或 chief agent 掌握全局目标、任务依赖和重要决策,执行 agent 认领任务。没有调度层,Feed 上只会堆满原始事件。
  • 把决策写成可独立理解的卡片。Obie Fernandez 描述的 decision docket 为每项决策保存完整上下文、选项和得失、建议、负责人以及无人回应时的后果。Agent 在每次 heartbeat 检查已回答事项,记录选择并清理已解决卡片。
  • 区分阻塞和非阻塞决策。可以等待的问题不必让整夜任务停摆;涉及安全、资金或外部发布的选择仍需明确的人类批准。
  • 集成职责独立。合并、冲突处理从日常编码中分离,可作为质量和可追溯性设计的参考。
  • 分层验证。变更相关测试和全量测试可以分层运行,但夜间通过不能替代当次变更所需的检查。

Evidence across sources

Source Key claim Relevance
Agent Command Center Feed An operator asks for a feed that shows what happened, what is stuck, and what needs a human decision. Describes the event-feed interaction pattern.
Claude 当 PM:多设备调度 Three devices use task claiming and a Gantt dashboard. Provides one implementation form and a diagnostic view.
AI Briefing 2026-10-21 Afternoon Obie Fernandez describes decision cards with context, tradeoffs, recommendations, and no-response behavior for long-running work. Adds a concrete decision-capture layer to the human-facing feed.

两条早期材料的作者与原始链接未核验,第一人称经历不能当作 Jean 的经历。

Open questions

  • Feed 如何防止"完成"动态被当成完成验证?交付可信度仍需独立证据。
  • 决策项的呈现频率和打扰成本如何平衡?Feed 不等于更多提醒。
  • 当 agent 数量从 6 到 60 再到 600,feed 本身是否需要二级聚合?
  • 哪些决策可以继续执行,哪些必须阻塞等待人工批准?

Prompts for witness

  • 回顾自己同时开的 agent 会话,上一次"逐个检查状态"是什么时候?消耗了多少注意力?
  • 如果 personal_daily 的 agent 层要产出事件 feed,第一个该出现的"需要 Jean 决定"事件类型是什么?
  • 反方视角:什么情况下逐会话监控反而比 feed 更好?

Counterpoints & Gaps

  • Decision docket 的流程来自作者对自身系统的描述,文章没有给出遗漏率、误操作率或跨项目复现数据。
  • 让任务围绕非阻塞决策继续运行,必须有清楚的权限边界和安全默认行为。
  • Feed 的价值取决于事件排序是否可靠;更多事件可能会重新造成注意力负担。

Pending Jean review

2026-10:需求侧信号

来源:AI Briefing 2026-10-17 Morning

nicbstme 的独立报告与本页"6 个 agent 是大脑极限"的观察互证:他在 tmux 里监控 6 个 Agent 已造成认知负荷,明确提出工作状态流/指挥中心需求,并给出设计要点——跟踪每个 Agent 的当前任务与最近一次有效更新;突出显示阻塞、失败和需要人工输入的状态;按组聚合结果,让操作者无需反复切换上下文即可批量审阅。

指挥中心需求由此获得跨来源印证:引用材料的观察者与 nicbstme 多人独立报告同一痛点,说明这是并行 agent 规模化的普遍需求,而非个别工作流偏好——也给本页 feed 的四问设计(发生了什么、哪里卡住、哪些事需要人决定、接下来看什么)提供了第二个需求侧数据点。

2026-11-09 | One review queue for persistent agents

来源:AI Briefing 2026-11-09 Evening

Brian Armstrong 的第一人称描述补充了事件与决策 feed 的一个实现:每个领域由 lead agent 持续负责,chief-of-staff agent 统筹;需要本人决定或审查的事项进入统一的优先队列,产品评审卡片附截图和演示视频,再由本人批量处理。他还称该系统会逐步学习个人偏好,并由各 lead 提出本人未想到的方案。这把队列条目、可审阅证据和批量决策连接起来。作者称工作流减少了上下文切换,但没有提供独立测量;人工审查与安全检查仍保留。

Pending Jean review

Sources

Synthesized from 6 sources
  • Agent Command Center — 从逐个监控到事件与决策 FeedSupporting source listed by this page.Whole pagemediumbody
  • Claude 当 PM:多设备 Coding Agent 调度与集成Supporting source listed by this page.Whole pagemediumbody
  • AI Briefing 2026-10-21 AfternoonSupporting source listed by this page.Whole pagemediumbody
  • Obie Fernandez: Decision DocketSupporting source listed by this page.Whole pagemediumbody
  • 2026-10-17-12-59Supporting source listed by this page.Whole pagemediumabsorb log
  • 2026-11-09-22-56Supporting source listed by this page.Whole pagemediumabsorb log

Evolution

1 event
  1. absorbed

    Derived from source material

    This page is currently synthesized from 6 sources.

    From Agent Command Center — 从逐个监控到事件与决策 Feed, Claude 当 PM:多设备 Coding Agent 调度与集成, AI Briefing 2026-10-21 Afternoon, Obie Fernandez: Decision Docket, 2026-10-17-12-59To Agent Command Center — 从逐个监控到事件与决策 Feed
    Sources: raw/to-learn/2026-10-17-agent-command-center-feed.md · raw/to-learn/2026-10-17-claude-pm-multidevice-agent-workflow.md · raw/briefing/AI Briefing/2026-10-21-19-59.md · https://x.com/obie/status/2112592132099711365 · raw/briefing/AI Briefing/2026-10-17-12-59.md · raw/briefing/AI Briefing/2026-11-09-22-56.md

Linked from